葉面積指數（Leaf Area Index, LAI）是綠葉面積與土壤面積之間的比值，是評估冠層結構的最重要變量之一，是表征地表植被動態變化的重要參數。地面實測可以得出較為準確的LAI，但地面實測僅用于獲取點尺度的數據。林業工作者通常采用遙感方法來獲取大范圍、面尺度的LAI。本次收集的幾篇文章，幫助讀者了解評估LAI的遙感方法。

1.基于PRISMA光譜反演甘蔗LAI
意大利航天局于2019年發射的PRISMA衛星提供了新一代高光譜數據來源，該研究基于PRISMA光譜，運用一種全新的人工神經網絡(ANN)技術——貝葉斯正則化人工神經網絡(BRANN)來估算甘蔗葉面積指數(LAI)。研究采用BRANN模型，分析伊朗Khuzestan Amir Kabir甘蔗農業區實地調查期間收集的數據集。并利用主成分分析(PCA)對PRISMA數據集進行處理?；谧灾ǖ木仍u估表明，應用BRANN模型反演LAI的均方根誤差（RMSE）為0.67 m2/m2。該研究證實了BRANN方法的高性能和PRISMA光譜在甘蔗LAI反演中的高潛力。
——《RETRIEVAL OF SUGARCANE LEAF AREA INDEX FROM PRISMA HYPERSPECTRAL DATA》S. Hamzeh etc.（DOI:10.5194/isprs-annals-X-4-W1-2022-271-2023）

2.非線性自回歸神經網絡模型提高了LAI估測精度
目前廣泛使用的MODIS LAI產品并不能滿足生產及研究的需要，產品的整體精度有待提高。在這種情況下，該研究提出了一種基于非線性自回歸神經網絡( NARXNN )模型和高質量時間序列LAI反演結果的改進方案。用改進后的方案估算三個研究區LAI時，R2值分別為0.54、0.41、0.51，而RMSE分別下降了0.07、0.1、0.03，偏差也有一定程度的減小。實測LAI表明，NARXNN模型的LAI數據比MCD15A2H模型的更準確，偏差更小，且比原先的MODIS產品更符合植被實際生長情況。該研究提出的改進方案進一步提高了MODIS產品估算LAI的精度。
——《Improving the MODIS leaf area index product for a cropland with the nonlinear autoregressive neural network with eXogenous input model》Li Shangzhi etc.（DOI:10.3389/FEART.2022.962498）

3.該研究比較了幾種遙感方法評估LAI的精度
該研究基于均方根誤差( RMSE )、平均絕對誤差( MAE )和決定系數( R2 )三種評價指標，對幾種LAI遙感評估方法的評估結果進行了比較分析。研究表明：排名前五的方法RMSE(MAE)在玉米LAI估算上小于1.3(0.95)，在大豆上小于1.0(0.8)?？傮w來說，參數方法優于其他方法，但不絕對。例如SR_CA_cross方法在玉米LAI估算中排名第1，但在大豆中排名第15。非參數方法準確性排名中等，部分原因是數據量較少。該研究的比較結果對遙感監測農業植被具有重要意義。
——《Evaluating Optical Remote Sensing Methods for Estimating Leaf Area Index for Corn and Soybean》Nandan Rohit etc.（DOI:10.3390/RS14215301）

4.塞罕壩地區宜用混合效應模型估算LAI
葉面積指數（LAI）用于評價植物群落的生長狀況，在生產和研究上通常需要較快而又精確地得到LAI。該研究基于LAI-2200C植物冠層分析儀得到的LAI數據，并結合同期Sentinel-2遙感影像，從而構建了LAI估算混合效應模型和線性模型。結果發現：相比于傳統線性模型，混合效應模型能更準確地估算LAI，其均方根誤差（RMSE）、調整確定系數(R2adj)、平均相對誤差（MRE）和殘差平方和（RSS）的值分別為0.50、0.7456、0.42和36.25。此外，研究還發現加入樹種變量后，LAI反演模型的擬合效果顯著提升了。
——《塞罕壩地區主要樹種LAI遙感估測》臧賀喜（DOI: 10.19754/j.nyyjs.20230215011）

5.鬣狗算法神經網絡模型能更好地反演LAI
該研究提出結合PROSAIL模型反演數據和GF-1遙感影像建立鬣狗算法神經網絡模型，從而解決以往神經網絡模型反演林地葉面積指數(LAI)時存在的弊端。研究發現：鬣狗神經網絡訓練集的均方根誤差值為0.131（BP神經網絡的為0.140），驗證集均方根誤差值為0.132（BP神經網絡的為0.137），測試集決定系數為0.703（BP神經網絡的為0.525）。研究認為鬣狗算法神經網絡預測結果略大于期望值，且該模型提高了神經網絡模型的反演性能，為遙感估測LAI提供一種新的方法。
——《基于鬣狗算法神經網絡反演林地葉面積指數》冷欣 等（DOI:10.13718/j.cnki.xdzk.2022.12.018）